27:null 28:["$","title",null,{"children":"Eudoxia - Trabalho 02 de Visualização de Dados | Eudoxia | Observable"}] 2d:T5e9,### Data set Relatório Mundial de Felicidade

O World Happiness Report é uma pesquisa histórica sobre o estado da felicidade global. O primeiro relatório foi publicado em 2012, o segundo em 2013, o terceiro em 2015 e o quarto na Atualização de 2016. O World Happiness 2017, que classifica 155 países por seus níveis de felicidade, foi lançado nas Nações Unidas em um evento em comemoração ao Dia Internacional da Felicidade em 20 de março. O relatório continua a ganhar reconhecimento global à medida que governos, organizações e sociedade civil usam cada vez mais indicadores de felicidade para informar suas decisões políticas. Os principais especialistas em todos os campos – economia, psicologia, análise de pesquisas, estatísticas nacionais, saúde, políticas públicas e muito mais – descrevem como as medidas de bem-estar podem ser usadas de forma eficaz para avaliar o progresso das nações.

As pontuações e classificações de felicidade usam dados da Gallup World Poll. As pontuações são baseadas nas respostas à principal pergunta de avaliação de vida feita na enquete. Esta questão, conhecida como a escada Cantril, pede aos respondentes que pensem em uma escada com a melhor vida possível para eles sendo 10 e a pior vida possível sendo 0 e avaliando suas próprias vidas atuais nessa escala.

#### Fonte: https://www.kaggle.com/datasets/unsdsn/world-happiness?select=2019.csv 2e:[{"id":"3c5f50b4bdc30a3914abd6352cfd82d5180e7a074d4d510dfe1b36cfa61e3525be3971c4e6f9fe956bb8ffa7d41191103e4cdd0b7b174155f7b42056d4ba0547","href":"https://static.observableusercontent.com/files/3c5f50b4bdc30a3914abd6352cfd82d5180e7a074d4d510dfe1b36cfa61e3525be3971c4e6f9fe956bb8ffa7d41191103e4cdd0b7b174155f7b42056d4ba0547","name":"2018.csv","type":"text/csv","lastModified":1671189827062.159,"size":8809},{"id":"7d2374bee0e4efbd0aaa2316afb8b2e440c87643f7b06f05c00779f83d9348608f17c904852eb2bc83410728ed34d6240e3c35462f7b79cff29558c123a6549e","href":"https://static.observableusercontent.com/files/7d2374bee0e4efbd0aaa2316afb8b2e440c87643f7b06f05c00779f83d9348608f17c904852eb2bc83410728ed34d6240e3c35462f7b79cff29558c123a6549e","name":"12019.csv","type":"text/csv","lastModified":1671189827062.159,"size":7237},{"id":"d1d7487389e5f674fde504fc988adb747814bbbc0c694ae3ddf0ae36f28e16920b92a919d77c64c419c694087132f8cb18f19f3b2d076474cad46e41dab20861","href":"https://static.observableusercontent.com/files/d1d7487389e5f674fde504fc988adb747814bbbc0c694ae3ddf0ae36f28e16920b92a919d77c64c419c694087132f8cb18f19f3b2d076474cad46e41dab20861","name":"2015.csv","type":"text/csv","lastModified":1671189827062.159,"size":16557}] 2b:{"id":"1fa9ded402040b4e","slug":null,"title":"Eudoxia - Trabalho 02 de Visualização de Dados","thumbnail":"93f6865a2e97312b30bcd1cdc46b534be76001562a674d970ecd28c1af250278","access_level":"public","create_time":"$D2022-12-16T11:23:47.062Z","update_time":"$D2022-12-16T15:23:44.521Z","view_time":null,"first_public_time":"$D2022-12-16T11:23:47.062Z","has_unpublished_edits":null,"fork":{"id":"c25a8adff309dbba","slug":null,"title":"Eudoxia - Trabalho 02 de Visualização de Dados","owner":{"id":"bccd512780106850","login":"eudoxia","name":"Eudoxia"}},"stars":0,"starred":false,"owner":{"type":"team","id":"bccd512780106850","login":"eudoxia","name":"Eudoxia","avatar_url":"https://avatars-next.observableusercontent.com/eb1e0d0e9d58c6ea87451159f22930f38a2d14b871491ddc93b1e5cdd3a2ae5f","tier":"starter_2024"},"version":507,"publish_version":null,"role":null,"authored":false,"authors":[{"type":"individual","id":"412a07e3670497c3","login":"eudoxia","name":"Eudoxia","avatar_url":"https://avatars-next.observableusercontent.com/eb1e0d0e9d58c6ea87451159f22930f38a2d14b871491ddc93b1e5cdd3a2ae5f","tier":null}],"members":[{"type":"individual","id":"412a07e3670497c3","login":"eudoxia","name":"Eudoxia","avatar_url":"https://avatars-next.observableusercontent.com/eb1e0d0e9d58c6ea87451159f22930f38a2d14b871491ddc93b1e5cdd3a2ae5f","tier":null,"role":"editor"}],"comments":[],"custom_thumbnail":false,"trashed":false,"lapsed":null,"subscribed":null,"forks":1,"collection":null,"type":"notebook","body":{"title":"Eudoxia - Trabalho 02 de Visualização de Dados","cells":[{"id":0,"value":"# Eudoxia - Trabalho 02 de Visualização de Dados\n## Prof. Marcos Lage, 2022.2\n### Aluna Eudóxia Lottie Silva Moura 2022.2\n\nCurso do Programa de Pós-Graduação da UFF, oferecido no contexto do projeto PCI","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","output":"","database":"$undefined"},{"id":5,"value":"$2d","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","output":"","database":"$undefined"},{"id":7,"value":"### Importação do data set","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","output":"","database":"$undefined"},{"id":20,"value":"felicidade2018 = FileAttachment(\"2018.csv\").csv()","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":193,"value":"felicidade2019 = FileAttachment(\"12019.csv\").csv()","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":266,"value":"felicidade2015 = FileAttachment(\"2015.csv\").csv()","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":23,"value":"printTable(felicidade2018.slice(0, 5))","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":281,"value":"printTable(felicidade2015.slice(0, 5))","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":424,"value":"#### GRAFICO 1\n##### Uma discussão sobre as razões que motivaram a escolha da visualização desenvolvida, e;\n

Escolhi o gráfico de colunas, selecionado apenas os 5 primeiros países do ranking, pois os valores do Score é bem próximo para ver a diferença entre eles, com a interação pelo label é fácil alterar a quantidade de países que pode ser vista. Dessa forma o gráfico aumenta para a esquerda e não para baixo.

\n\n##### Uma análise das informações que podem ser obtidas com a interepretação da visualização.\n

Observamos que o top 5 do ranking são Finland, Denmark, Norway, Iceland e Netherlands com Score Superior a 7.488

","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","output":"","database":"$undefined"},{"id":32,"value":"viewof range1 = Inputs.range([0, felicidade2019.length], {\n label: \"Selecione a quantidade de paises que deseja visualizar \",\n step: 1,\n value: 5\n})","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":36,"value":"vl\n .markBar()\n .data(\n felicidade2019.filter((dado, indice) => {\n if (indice < range1) return dado;\n })\n )\n .encode(\n vl.y().fieldQ(\"Score\").title(\"Score\"),\n vl\n .x()\n .fieldN(\"Country or region\")\n .title(\"Países\")\n .sort(vl.fieldQ(\"Score\").order(\"descending\")),\n vl.color().fieldQ(\"Score\").legend(null),\n vl.tooltip().fieldQ(\"Score\"),\n vl.color().fieldN(\"Country or region\").legend(null)\n )\n .render()","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":429,"value":"#### GRAFICO 2\n##### Uma discussão sobre as razões que motivaram a escolha da visualização desenvolvida, e;\n

Escolhi o gráfico de linhas para apresentar as 10 Regiões ordenadas pela Score. Dessa forma podemos ver também a variação do Score por região.

\n\n##### Uma análise das informações que podem ser obtidas com a interepretação da visualização.\n

Podemos observar que a melhor pontuação está na Western Europa enquanto que a menor pontuação está na Sub-Saharan Africa, porem a menor variação de Score está em North America, caracterizando assim a região mais Feliz, enquanto que a região menos Feliz seria a Southem Asia ( Total Geral). Importante notar também a maior variação de pontuação está na Middle East and Northen Africa, ou seja nesse pais tem paises com pontuação mais alta e mais baixa.

","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","output":"","database":"$undefined"},{"id":291,"value":"vl\n .markLine({ size: 10, opacity: 1 })\n .data(felicidade2015)\n .encode(\n vl.x().fieldQ(\"Happiness Score\").title(\"Score\"),\n vl\n .y()\n .fieldN(\"Region\")\n .title(\"Region\")\n .sort(vl.fieldQ(\"Score\").order(\"descending\")),\n //vl.color().count(\"Happiness Score\").legend(null),\n vl.tooltip().fieldQ(\"Happiness Score\"),\n vl.color().fieldN(\"Region\").legend(null)\n )\n .render()","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":441,"value":"#### GRAFICO 3\n##### Uma discussão sobre as razões que motivaram a escolha da visualização desenvolvida, e;\n

O gráfico de Circulos ordenaos no eixo X pelo Happiness Score foi escolhido para mostrar a vizualição dos Score dos Países por Região.

\n\n##### Uma análise das informações que podem ser obtidas com a interepretação da visualização.\n

Alguns países estão aparecendo em outra região...Ainda assim podemos observar que o país que possui a melhor pontuação na região North America é Canada

","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","output":"","database":"$undefined"},{"id":306,"value":"viewof countrySelect = select({\n title: \"Selecione o país\",\n options: regioes,\n value: \"North America\"\n})","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":324,"value":"vl\n .markCircle({ size: 100, opacity: 1 })\n .data(felicidade2015)\n .transform(vl.filter({ field: \"Region\", lte: countrySelect }))\n .encode(\n vl\n .x()\n .fieldN(\"Country\")\n .sort(vl.fieldQ(\"Happiness Score\").order(\"descending\")),\n vl.y().fieldQ(\"Happiness Score\"),\n vl.color().fieldN(\"Country\").legend(null),\n vl.tooltip(\"Happiness Score\")\n //vl.xOffset().fieldN(\"Year\")\n )\n .render()","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":457,"value":"#### GRAFICO 4\n##### Uma discussão sobre as razões que motivaram a escolha da visualização desenvolvida, e;\n

O gráfico de Colunas ordenados pelo GDP per Capita, que é o índice economico que mostra o PIB de um país dividido por sua população total , esse gráfico foi escolhido para mostrar de todos os páises a esquerad da tela.

\n\n##### Uma análise das informações que podem ser obtidas com a interepretação da visualização.\n

Podemos observar que o país com o maior PIB é o Qatar, seguido de Kuwait e United Arab Emirates...

","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","output":"","database":"$undefined"},{"id":42,"value":"vl\n .markBar({ opacity: 0.3 })\n .data(felicidade2015)\n .transform(vl.filter({ field: \"Region\", lte: countrySelect }))\n\n .encode(\n vl\n .x()\n .fieldN(\"Country\")\n .sort(vl.fieldQ(\"Economy (GDP per Capita)\").order(\"descending\")),\n vl.y().fieldQ(\"Economy (GDP per Capita)\"),\n vl.color().fieldN(\"Country\").legend(null),\n\n vl.tooltip([vl.fieldN(\"Country\"), vl.fieldQ(\"Economy (GDP per Capita)\")])\n )\n\n .render()","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":470,"value":"#### GRAFICO 5\n##### Uma discussão sobre as razões que motivaram a escolha da visualização desenvolvida, e;\n

Similar ao gráfico 2, porém escolhi os circulo para apresentar os país das 10 Regiões. Dessa forma podemos ver também a variação do Score por região.

\n\n##### Uma análise das informações que podem ser obtidas com a interepretação da visualização.\n

Podemos observar facilmente que a menor pontuação está no país Togo

","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","output":"","database":"$undefined"},{"id":387,"value":"vl\n .markCircle({ size: 100, opacity: 1 })\n .data(felicidade2015)\n\n .encode(\n vl\n .y()\n .fieldN(\"Region\")\n .sort(vl.fieldQ(\"Happiness Score\").order(\"descending\")),\n vl.x().fieldQ(\"Happiness Score\"),\n vl.color().fieldN(\"Country\").legend(null),\n\n vl.tooltip(\"Country\")\n )\n .width(900)\n .height(500)\n .render()","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":477,"value":"#### GRAFICO 5\n##### Uma discussão sobre as razões que motivaram a escolha da visualização desenvolvida, e;\n

O gráfico em forma de matriz apresenta o índice Corrupção e Liberdade das região, esse índice são calculado a partir do seguinte questionamento: Até que ponto a liberdade contribuiu para o cálculo do Índice de Felicidade, Até que ponto a Percepção de Corrupção contribui para o Índice de Felicidade. Usando o mouse é possivel obersar os valores por região.

\n\n##### Uma análise das informações que podem ser obtidas com a interepretação da visualização.\n

Podemos observar que a região que possui o maior índice de Percepção de Corrupção é Australia e New Zealand, que vemos nos gráficos acima com maior Score.

","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","output":"","database":"$undefined"},{"id":409,"value":"vl\n .markBar()\n .data(felicidade2015)\n .encode(\n vl\n .x()\n .fieldN(\"Region\")\n .sort(vl.fieldQ(\"Freedom)\").order(\"ascending\"))\n .title(\"Region\"),\n vl\n .y()\n .fieldN(\"Region\")\n .sort(vl.fieldQ(\"Trust (Government Corruption)\").order(\"ascending\"))\n .title(\"Region\"),\n vl.color().fieldQ(\"Trust (Government Corruption)\"),\n vl.tooltip([\"Region\", \"Freedom\", \"Trust (Government Corruption)\"])\n )\n .render()","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":484,"value":"#### GRAFICO DE MAPA\n##### Uma discussão sobre as razões que motivaram a escolha da visualização desenvolvida, e;\n

O gráfico no Mapa apresenta os índice por país, porém algum relacionamento da tabela features não funcionou corretamente, pois os paises apresenta nomes diferentes.

\n\n##### Uma análise das informações que podem ser obtidas com a interepretação da visualização.\n

Podemos observar no primeiro mapa o país com maiores Score, no segundo mapa o país com maior índice de Generosidade e no terceiro mapa o país com maior PIB.

","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","output":"","database":"$undefined"},{"id":490,"value":"#### SCORE POR PAIS","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","output":"","database":"$undefined"},{"id":64,"value":"vl\n .markGeoshape({ stroke: \"#706545\", strokeWidth: 0.5 })\n .data(features)\n .transform(\n vl\n .lookup(\"properties.name\")\n .from(vl.data(felicidade2019).key(\"Country or region\").fields(\"Score\"))\n .default(1)\n )\n .encode(\n vl.color().fieldQ(\"Score\"), //.legend(null),\n vl.order().fieldO(\"Score\"),\n vl.tooltip(\"Score\")\n )\n .project(vl.projection(\"naturalEarth1\")) //.scale(110).translate(300, 200))\n .width(450)\n .height(250)\n .render()","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":492,"value":"#### INDICE DE GENEROSIDADE POR PAIS","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","output":"","database":"$undefined"},{"id":374,"value":"vl\n .markGeoshape({ stroke: \"#706545\", strokeWidth: 0.5 })\n .data(features)\n .transform(\n vl\n .lookup(\"properties.name\")\n .from(\n vl.data(felicidade2019).key(\"Country or region\").fields(\"Generosity\")\n )\n .default(1)\n )\n .encode(\n vl.color().fieldQ(\"Generosity\"), //.legend(null),\n vl.order().fieldT(\"Generosity\"),\n vl.tooltip(\"Generosity\")\n )\n .project(vl.projection(\"naturalEarth1\")) //.scale(110).translate(300, 200))\n .width(450)\n .height(250)\n .render()","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":496,"value":"#### INDICE RENDA PER CAPITA POR PAIS","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","output":"","database":"$undefined"},{"id":380,"value":"vl\n .markGeoshape({ stroke: \"#706545\", strokeWidth: 0.5 })\n .data(features)\n .transform(\n vl\n .lookup(\"properties.name\")\n .from(\n vl\n .data(felicidade2019)\n .key(\"Country or region\")\n .fields(\"GDP per capita\")\n )\n .default(1)\n )\n .encode(\n vl.color().fieldQ(\"GDP per capita\"), //.legend(null),\n vl.order().fieldT(\"GDP per capita\"),\n vl.tooltip(\"GDP per capita\")\n )\n .project(vl.projection(\"naturalEarth1\")) //.scale(110).translate(300, 200))\n .width(450)\n .height(250)\n .render()","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":9,"value":"### Importação das bibliotecas","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","output":"","database":"$undefined"},{"id":11,"value":"import { vl } from \"@vega/vega-lite-api-v5\"","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":15,"value":"import { printTable } from \"@uwdata/data-utilities\"","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":76,"value":"world = fetch(\n \"https://raw.githubusercontent.com/deldersveld/topojson/master/world-countries.json\"\n).then((response) => response.json())","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":78,"value":"features = vl.topojson(world).feature(\"countries1\")","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":263,"value":"untitled = await FileAttachment(\"2015.csv\").csv({typed: \"auto\"})","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"untitled","database":"$undefined"},{"id":311,"value":"regioes = Array.from(new Set(felicidade2015.map((d) => d.Region)))","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":319,"value":"import { radio, select } from \"@jashkenas/inputs\"","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"}],"files":"$W2e","stdlib":"1","titling":"auto"}} 2c:"$2b:body"